MySQL索引基数 - 性能与存储效率

Question

假设您有一个包含1亿行的MySQL 5.0 MyISAM表，在两个整数列上有一个索引（主键除外）。

由于我对B树结构的理解不足，我认为 lower 基数意味着索引的存储效率更好，因为父节点较少。而更高基数意味着存储效率更低，但读取性能更快，因为它必须通过较少的分支导航以获取所需的任何数据以缩小行对于查询。

（注意 - “低”对“高”，我并不是说100万行表中有100万对9900万。我的意思是更像是9000万对9500万）

我的理解是否正确？

相关问题 - 基数如何影响写表现？

Answer 1

  

虽然较高的基数意味着存储效率较低，但读取性能较快，因为它必须通过较少的分支导航才能获得所需的任何数据，以缩小查询的行数。

更高的基数意味着更好的读取性能，因为根据定义，读取的记录更少。

要处理这样的查询：

SELECT  *
FROM    mytable
WHERE   indexed_col = @myvalue

，引擎应该执行以下步骤：

1. 找到满足条件的第一个条目。

   这是从根条目开始遍历B-Tree。

   在整个页面中，搜索是通过以下B-Tree链接执行的;在页面内，使用二分搜索执行搜索（除非您的密钥被压缩，在这种情况下，它是线性搜索）。

   该算法对于高基数列和低基数列都具有相同的效率。在这些列表中查找第一个3（而不是任何3）：

   1  2  3  4  5  6  7  8  9  10
   
   3  3  3  3  3  3  3  3  4  4
   

   需要相同的O(log(n))步骤。

2. 遍历索引，直到键值发生变化。当然，这需要线性时间：你拥有的记录越多，你需要遍历的越多。

如果您只需要第一条记录：

SELECT  *
FROM    mytable
WHERE   indexed_col = @myvalue
LIMIT 1

，列基数不会影响读取性能。

  

基数如何影响写入性能？

每个索引键都有一个隐藏的附加值：记录指针。这是拥有索引的重点：您需要知道它指向哪条记录。

由于记录指针根据定义是唯一的，因此每个索引键也是唯一的。共享相同键值的索引条目按记录指针排序。

这是为了使索引可维护：如果删除具有由数百万个其他记录共享的索引列的值的记录，则也应删除相应的索引记录。但是没有查看整个百万条索引记录：相反，记录指针被用作额外的搜索条件。

每个索引键实际上都是唯一的（即使您没有将索引定义为唯一索引），因此可能具有最大基数。

所以问题的答案是：不，列基数不会影响索引写入性能。